PyETGO 0.3 更新版下载：http://code.google.com/p/ptcoding/source/browse/trunk/PyETGO

本脚本可跨平台使用，在Win下需要wget for Windows， 把wget.exe放在脚本所在目录即可。
Wget下载：http://www.interlog.com/~tcharron/wgetwin-1_5_3_1-binary.zip

感谢Twitter上的好友mengzehe关于Win下使用的测试和提醒。
感谢Ubuntu论坛上网友的测试。
v0.3
2009.03.16
    -对获取的XML列表中存在的非法字符进行过滤（解决曲名含"&"等不规则字符导致无法下载）

v0.2更新

• 2009.03.11 
• -为在Win下使用本脚本，全部使用Unicode的字符串来提示（0.1有部分乱码）
• -修改写入Intro.txt文件的方法，使用writelines，会根据操作系统不同写入不同换行符，减少乱码
• -写入文件名前过滤Win下的非法文件名字符/\:<>?|等

大概实现这样的功能：

1. 下载http://music.etgo.cn/上的任意专辑的音乐文件
2. 专辑的存放目录命名为“歌手名 - 专辑名”
3. 多CD的专辑，音乐文件命名为“CD号-轨号_歌手 - 歌名”，单CD则为“轨号_歌手 - 歌名”
4. 下载专辑的封面和封底文件cover.jpg、coverback.jpg
5. 从页面中抽出的专辑信息和介绍文字写入Intro.txt
6. 首次使用需要用-u和-p输入一个ETGO账户以获取Cookie，以后下载只需用-a指定一个专辑的页面
7. 下载时可随时使用Ctrl + C中断，重新下载时自动从断点续传。

花了好几天的时间在这个脚本上，基本把Python的特性摸熟了。

ETGO是国内一个娱乐网站，有电影、Mp3等，资源不算新，格式也就192～256K那样，没太大特色，但其有自己的服务器，运营稳定，这几年来我偶尔都从那里Down些专辑，基本上浏览器的嗅探+序号批量下载就可搞定，而且速度不赖。网站的免费试听使用的是Flash的播放器，这个脚本则模拟了播放器读取列表的功能，骗回所有Mp3的原始地址，然后调用wget下载。

稍微记录下开发过程。

首先还是逆向路线，打开Wireshark在嗅探，从浏览器点击一首歌的试听，浏览器弹出窗口开始播放。从嗅探结果看，在本地发出GET MP3文件的那个报文之前，服务器必然已经把真实地址发回给Flash播放器，于是检查前一个请求：GET /mp3player.php。从其相应报文类型HTTP/XML就可以判断出这是一个返回XML信息的请求，打开分析，果然。

但这个mp3player.php根据什么来知道用户的点歌呢？查看专辑页的源码，只见每个“试听”链接具有这样的属性：

onClick="MM_openBrWindow('/player.php?fid=90388','MusicPlayer','width=446,height=340')"

不难猜到fid=54664就是每首歌的“身份ID”，player.php是带Flash控件的那个页面，fid应该是送给Flash的参数，而mp3player.php才是返回列表XML，而mp3player.php没有任何GET参数，说明请求还是藏在报文内。

回到Wireshark查看GET /mp3player.php那个报文，展开其请求，一眼看不出什么猫腻，就见到那个长长的Cookie，Wireshark没有给出完整的分析，直接看下面的原始数据：

抓到你了！竟然藏在Cookie的结尾。

1.getPlayListXML模块

有了之前写CETQuery的经验，模拟它发个这样的报文很轻松，稍作调试就收到完整的XML歌曲列表。原来ETGO整个网站对用户的验证都是通过这样的Cookie，里面甚至包含了明文的用户名和密码，都算的上是世界上最不安全的网站之一了。都几年了没点技术更新，难怪我骗起来那么容易（嘿嘿）。

一次得一首歌的效率我可是不满意的，页面里面不是有个连播么，一次往列表里面添加所有歌。同上道理嗅探下来，原来只需把藏在Cookie后面那个参数用%7C分隔，连上一串uid即可：

playlist=20274%7C20275%7C20276%7C20277%7C20278......

剩下的是解析XML的工作，这可是Python的强项，我选择了minidom。《Dive in Python》Scripts and Streams一章中示范了直接把urlopen的流对象直接塞给minidom的parse，帅呆了。操作方法和Javascript的DOM很类似，用了一个getElementsByTagName把所有个song元素调出，再组织一下属性值，轻松过关。

2.Download File 方法

如何下载Mp3文件呢？直接下载是不行的，服务器有HTTP头检测。wget --help看了一下，果然不愧是UNIX下的老牌工具，很强大，--header可定义下载时的HTTP头。依旧在Wireshark看其连接Mp3地址时的报文，看不出有什么特别的，也是那个Cookie。

3.getCookie 模块

要获得Cookie，需要在页面登录。页面登录经典的老牌方法，把用户名密码等post到http://member.etgo.cn/member.php，然后读取相应头部里面的'set-cookie'段，然后干脆把Cookie写入文件，以后要下载专辑都不用麻烦连服务器了，直接读取即可。

4.getAlbum 模块

如果仅仅是下载，这时已经完成了，但为了提高自动化程度，还得想办法自动获取每首歌的uid，这需要解释专辑的HTML页面。《Dive in Python》中的例子用的是SGMLParser，但是从文档看到说SGMLParser在2.6版本后就过时了，《Python网络编程基础》里面则用了HTMLParser，两个模块大同小异，选择了后者。

HTMLParser的设计和很多Python模块一样，预置了接口，只需要实现所用的部分即可（似乎就是传说中的抽象工厂模式）。为了下载的时候能够把文件名编得完美点，从网页中解析出完整的歌手、专辑名，用了一堆正则表达式来过滤。

5.模块内聚

以上的几个模块都实现完成后，虽说什么功能都不缺了，但还是耗了不少时间。一是文件名，对于多CD的专辑，在文件名前标上CD号，而单CD的，只标轨号。而CD号和轨号都是要从URL里面析取的，一晚上下来把正则表达式用得相当熟手了。其次是如何组织目录，检查文件，os模块内的几种系统调用，还有要响应强行终止的任务，处理命令行参数……